线性代数 必背公式总结&&线代计算技巧总结_分块矩阵大总结_秩一矩阵大总结

文章目录

  • 写在最前
  • 1.线性代数必背公式(更新中)
    • [1.1 关于行列式、逆矩阵、伴随矩阵、转置矩阵计算公式大总结](#1.1 关于行列式、逆矩阵、伴随矩阵、转置矩阵计算公式大总结)
    • [1.2 矩阵秩的大总结](#1.2 矩阵秩的大总结)
    • [1.3 分块矩阵大总结](#1.3 分块矩阵大总结)
    • [1.4 秩一矩阵大总结](#1.4 秩一矩阵大总结)
  • 2.线代计算技巧总结
    • [2.1 快速计算三阶行列式](#2.1 快速计算三阶行列式)
    • [2.2 快速判断三阶矩阵的秩](#2.2 快速判断三阶矩阵的秩)
    • [2.3 快速计算伴随矩阵](#2.3 快速计算伴随矩阵)
    • [2.4 快速计算逆矩阵](#2.4 快速计算逆矩阵)
    • [2.5 快速计算特征值](#2.5 快速计算特征值)
    • [2.6 快速特征向量](#2.6 快速特征向量)
    • [2.7 快速计算求两个向量的正交向量](#2.7 快速计算求两个向量的正交向量)
  • 3.综合题总结
    • [3.1 求|A|的代数余子式之和A~11~+A~12~+A~13~](#3.1 求|A|的代数余子式之和A11+A12+A13)
    • [3.2 【计算行列式】与特征值结合](#3.2 【计算行列式】与特征值结合)
    • [3.3 【计算行列式】与可逆矩阵充当除法结合](#3.3 【计算行列式】与可逆矩阵充当除法结合)
    • [3.4 【简单常识】反求矩阵A](#3.4 【简单常识】反求矩阵A)
    • [3.5 【简单常识】矩阵方程意味着特征值方程](#3.5 【简单常识】矩阵方程意味着特征值方程)
    • [3.6 【经典例题】使用传递性求可逆矩阵存在可逆矩阵P,使得P^-1^BP=对角阵](#3.6 【经典例题】使用传递性求可逆矩阵存在可逆矩阵P,使得P-1BP=对角阵)
    • [3.7 将方程求解问题转换为特征值特征向量的问题](#3.7 将方程求解问题转换为特征值特征向量的问题)
    • [3.8 将求未知矩阵的问题转为求特征值特征向量](#3.8 将求未知矩阵的问题转为求特征值特征向量)
    • [3.9 求可逆实对称矩阵Q,使得Q^-1^AQ=A^T^,找A和A^T^的联系](#3.9 求可逆实对称矩阵Q,使得Q-1AQ=AT,找A和AT的联系)
    • [3.10 已知p^-1^Ap=B,知道B的特征值特征向量,如何求A的特征值特征向量](#3.10 已知p-1Ap=B,知道B的特征值特征向量,如何求A的特征值特征向量)
  • 4.二级结论积累
    • [4.1 A^m-1^a≠0,A^m^a=0的二级结论](#4.1 Am-1a≠0,Ama=0的二级结论)
    • [4.2 A和A^T^不同特征值的特征向量,一定正交](#4.2 A和AT不同特征值的特征向量,一定正交)

写在最前

本篇文章,着眼于线性代数需要记忆的公式总结和一些使用的计算方法总结,以及一部分题目的积累

1.线性代数必背公式(更新中)

1.1 关于行列式、逆矩阵、伴随矩阵、转置矩阵计算公式大总结

几点注意:

1.行列式可以提一行k,但是矩阵不行,矩阵提k,是整个矩阵的每一个元素都提出k。

1.2 矩阵秩的大总结

1.3 分块矩阵大总结

  • 分块矩阵的行列式
  • 分块矩阵的乘法
  • 分块矩阵的逆矩阵
  • 分块矩阵的转置
  • 分块矩阵的逆矩阵
  • 分块矩阵的秩
  • 分块矩阵的初等变换


1.4 秩一矩阵大总结

2.线代计算技巧总结

2.1 快速计算三阶行列式

如何快速计算三阶行列式,当然了,这种计算方法较为适用于含有0少的情况,如果容易展开,直接展开就行

竖着抄两行

2.2 快速判断三阶矩阵的秩

核心思想:枚举法

一个三阶矩阵,秩的情况,无非就是0,1,2,3

0和1这两种情况能看出来

所以重点在于判断2和3的情况,用行列式判断

行列式=0,秩=2,行列式≠0,秩为3

2.3 快速计算伴随矩阵

1.按照计算行列式的方法,先竖着补两列,再抄写第一行和第二行,放在下面

2.去掉第一行,第一列

3.算二阶行列式,竖着算,横着写

2.4 快速计算逆矩阵

A − 1 = 1 ∣ A ∣ A ∗ A^{ - 1} = \frac{1}{\left|A\right|}A^{*} A−1=∣A∣1A∗

用快速计算伴随矩阵的方法计算逆矩阵

2.5 快速计算特征值

写出特征多项式,然后通过试根,化为乘积的形式,即可得到特征值

2.6 快速特征向量

|A-λE|α=0, α是特征向量,不等于0,又因为最后的结果等于0,所以,不难得出,A-λE这个矩阵肯定是不可逆的。

在计算特征向量时,就是解齐次线性方程组,这个过程中,由于A-λE不可逆,他肯定不是满秩的,所以可以任意划掉一行,再计算特征向量

2.7 快速计算求两个向量的正交向量

横着将两个向量抄两遍,去掉第一列,去掉最后一列。

计算三个二阶行列式

3.综合题总结

3.1 求|A|的代数余子式之和A11+A12+A13

题眼分析:

涉及到代数余子式,考虑行列式或伴随矩阵

A11+A12+A13不是按行或者按列展开,所以应该考虑伴随矩阵

3.2 【计算行列式】与特征值结合

特征值和行列式的联系:

1.通过特征值定义,根据行列式=0,得到矩阵A的某个特征值

2.矩阵A特征值之积=矩阵的行列式

3.3 【计算行列式】与可逆矩阵充当除法结合

3.4 【简单常识】反求矩阵A

方法1:

已知:p-1Ap=对角阵,求矩阵A

求对角阵的特征值特征向量,A=p对角阵p-1

转换为矩阵乘法

假如这个A是实对称矩阵,还可以p-1=pT,A=p对角阵pT

方法2:

3.5 【简单常识】矩阵方程意味着特征值方程

3.6 【经典例题】使用传递性求可逆矩阵存在可逆矩阵P,使得P-1BP=对角阵

在某些稍微复杂的题目中

给出A-1BA=C,意味着C和B相似,C~对角阵

又经过计算B~对角矩阵

所以B也相似于这个对角矩阵,它们的特征值是相同,注意相似特征向量不一定相同。

求可逆矩阵P使得P-1BP=对角阵

P1-1CP1=对角阵

将A-1BA=C代入它

P1-1A-1BAP1=对角阵

所以(AP1)-1BAP1=对角阵,AP1就是P

题目来源:880 第十一章 综合解答2

3.7 将方程求解问题转换为特征值特征向量的问题

3.8 将求未知矩阵的问题转为求特征值特征向量

3.9 求可逆实对称矩阵Q,使得Q-1AQ=AT,找A和AT的联系

3.10 已知p-1Ap=B,知道B的特征值特征向量,如何求A的特征值特征向量

4.二级结论积累

二级结论不是很重要,了解会用即可。

4.1 Am-1a≠0,Ama=0的二级结论

Am-1a≠0,Ama=0,有a,Aa,A2a,Am-1a,线性无关

进一步思考其中内核就是,Aa=0成立,A2a也成立,A2a=AAa=0。

4.2 A和AT不同特征值的特征向量,一定正交

相关推荐
醒过来摸鱼4 小时前
空间直线方程
线性代数·概率论
测试人社区-小明10 小时前
涂鸦板测试指南:从基础功能到用户体验的完整框架
人工智能·opencv·线性代数·微服务·矩阵·架构·ux
hweiyu0010 小时前
数据结构:矩阵
数据结构·线性代数·矩阵
拉姆哥的小屋10 小时前
从400维向量到160000维矩阵:基于深度学习的火焰参数预测系统全解析
开发语言·人工智能·python·深度学习·线性代数·算法·矩阵
咚咚王者12 小时前
人工智能之数学基础 线性代数:第四章 矩阵分解
人工智能·线性代数·矩阵
咚咚王者15 小时前
人工智能之数学基础 线性代数:第三章 特征值与特征向量
人工智能·线性代数·机器学习
Tipriest_1 天前
旋转矩阵与欧拉角转换数学公式与代码详解
线性代数·矩阵
十子木1 天前
布林克曼方程和Darcy方程的区别
线性代数·矩阵·学习方法
测试人社区-小明1 天前
智能测试误报问题的深度解析与应对策略
人工智能·opencv·线性代数·微服务·矩阵·架构·数据挖掘
Tipriest_1 天前
旋转矩阵,齐次变换矩阵,欧拉角,四元数等相互转换的常用代码C++ Python
c++·python·矩阵